Convertir artículos académicos por lotes a Markdown con citas APA
La redacción ocurre en Word; la publicación, cada vez más, en Markdown. Esta guía monta una tubería por lotes que convierte una carpeta de artículos docx de una sola pasada, conserva cada figura y termina con citas que siguen formateándose correctamente bajo APA o cualquier otro estilo.
Las piezas son un conversor por lotes, el motor citeproc de pandoc y un archivo de bibliografía estructurado. Las citas son la única parte que exige preparación antes de convertir, no después, por eso la parte central de esta guía dedica la mayor parte del tiempo a dejarlas bien.
Borradores en Word, destinos en Markdown
La mayoría de los investigadores sigue redactando en Word: los colaboradores lo esperan, las revistas lo aceptan y el control de cambios está muy arraigado en los hábitos de todos. Pero los lugares donde los artículos terminan de verdad hablan cada vez más otro idioma. Wikis de laboratorio, repositorios institucionales, plataformas de preprints compatibles con Markdown y proyectos de manuscritos con control de versiones: todos quieren texto plano que git pueda comparar y las plantillas puedan procesar.
El flujo de trabajo que escala es el de lotes: suelta una carpeta de borradores en el conversor, deja que cada archivo se convierta en un .md con sus imágenes y luego pule. Hacerlo a mano, artículo a artículo, es como se desajustan los números de las notas al pie y se pudren las rutas de las figuras. La automatización mantiene la pila de borradores y la pila de archivos convertidos en sincronía.
El flujo de trabajo por lotes
El conversor de este sitio acepta una pila de archivos docx de una vez. Cada archivo se convierte en un trabajo dentro de una cola con su propio estado: en espera, convirtiendo, terminado o fallido con el motivo. Nada se sube, porque el motor pandoc se ejecuta como WebAssembly dentro de tu navegador, así que los manuscritos inéditos nunca salen de tu equipo.
Cuando la cola termina, descarga todo en un solo ZIP. Dentro, cada documento de origen tiene su propio subdirectorio con el Markdown convertido y una carpeta media con las imágenes de ese documento. Este aislamiento por documento importa en los artículos, porque cada archivo Word nombra sus imágenes desde cero: image1, image2.
Dos hábitos hacen que las tandas salgan sin dolor. Primero, nombra los archivos antes de convertir, porque los nombres de salida derivan de los de origen. Segundo, convierte una tanda pequeña mientras aún calibras las opciones y suelta la carpeta completa solo cuando una comprobación puntual se vea bien.
Por qué las citas son el verdadero problema
Títulos, tablas y ecuaciones se convierten bien. Las citas no, por cómo las guarda Word. Una bibliografía generada por la herramienta de citas de Word, o pegada desde un gestor de referencias, es texto formateado: se ve bien en el documento pero no guarda ningún enlace estructurado de vuelta al registro de origen.
Convierte ese documento y la bibliografía llega como párrafos simples, congelada en el estilo que estuviera activo el día en que se escribió. Cambia la revista de destino y cada cita en el texto habrá que retocarla a mano. La solución es migrar las citas a datos estructurados antes de convertir, no después.
Citeproc en noventa segundos
El motor de citas de pandoc se llama citeproc. La idea: tus referencias viven en un archivo de bibliografía, normalmente BibTeX con extensión .bib, donde cada entrada tiene una clave como smith2020field. En el texto escribes la arroba seguida de esa clave y la envuelves entre corchetes cuando quieres que la cita aparezca como paréntesis.
Al convertir, citeproc sustituye cada clave por una cita formateada y añade la lista de referencias formateada al final de la salida. El formato mismo viene de un archivo CSL, una pequeña descripción de estilo en XML, con archivos listos para miles de revistas.
Es la misma maquinaria que alimentan gestores de referencias como Zotero y JabRef al exportar, y por eso el esfuerzo único compensa: un solo .bib puede mover hoy un manuscrito Word y mañana un wiki en Markdown sin reescribir ni una entrada.
Salida APA con un archivo CSL
Sin archivo de estilo, pandoc recurre a Chicago author-date. Para APA, descarga el archivo CSL de APA 7th edition del repositorio oficial de estilos citation-style-language y entrega ambos archivos al conversor. La opción de citas Pro de este sitio acepta una bibliografía más un estilo CSL opcional y ejecuta citeproc en el worker, aun así todo dentro del navegador.
Comprueba el resultado contra el manual: citas author-date en los lugares correctos, una lista de referencias al final, números de página donde el estilo los pide. Las pequeñas desviaciones suelen deberse a entradas .bib incompletas, DOIs ausentes o un archivo de estilo APA desactualizado en lugar del vigente.
Las ecuaciones sobreviven al viaje
Word guarda las ecuaciones nativas como OMML y pandoc las lee, así que los artículos convertidos llevan matemáticas reales y no capturas de pantalla. La salida Markdown envuelve las fórmulas en línea con delimitadores de signo de dólar y coloca las ecuaciones destacadas en sus propias líneas; la salida LaTeX produce directamente los entornos matemáticos correspondientes.
Revisa dos cosas tras convertir: las fórmulas en línea que Word representó de forma ambigua, como una fracción apretada en una línea, y la numeración de ecuaciones, para la que Markdown no tiene concepto nativo. Las ecuaciones numeradas que van a una plataforma Markdown suelen necesitar etiquetas gestionadas por el sistema de publicación, no por el conversor.
Qué revisar en tablas y figuras
Las tablas merecen un repaso lento. Las cuadrículas simples se convierten en tablas de tuberías que GitHub y Obsidian renderizan, pero las celdas con regiones combinadas, párrafos anidados o contenido de varias líneas no caben en esa sintaxis, y pandoc recurre a dialectos de Markdown que esas plataformas ignoran. Aplana las tablas complicadas en Word antes de convertir.
Las figuras se convierten con sus pies como referencias de imagen más una línea de texto, lo que suele ir bien, pero verifica que cada archivo multimedia exista de verdad en el ZIP y que nada haya llegado en formato EMF o WMF, que los navegadores no pueden mostrar. Esos necesitan una conversión rápida a PNG de vuelta en Word.
Dónde termina la automatización
Conviene nombrar tres límites. Los antiguos .doc no son compatibles, así que guarda los borradores viejos como .docx primero. Las bibliografías gestionadas por Word siguen siendo texto plano; migrarlas significa teclear de nuevo las entradas en un .bib, o exportarlas desde el gestor de referencias que las generó en su día.
Y si una revista LaTeX pide comandos natbib en lugar de citas formateadas, la salida de citeproc no le servirá; ahí toca pandoc en la línea de comandos con la opción adecuada. Para todo lo demás, la conversión por lotes más un .bib bien cuidado cubre el viaje de ida y vuelta de borradores Word a Markdown con las citas intactas.